¿Qué es DHT? Guía práctica de la tabla hash distribuida de BitTorrent
Cómo BitTorrent DHT reemplaza un Tracker central por una capa distribuida de descubrimiento de Peer basada en Kademlia.
BT9G / ENGINEERING NOTES
BT9G Labs
Comprende los protocolos y sistemas detrás del descubrimiento descentralizado.
Notas prácticas de ingeniería sobre BitTorrent, DHT, intercambio de metadatos, descubrimiento de Peer e infraestructura de búsqueda distribuida.
01
Guías destacadas
De Magnet Link a Metadata: flujo completo de Peer Discovery y BEP 9/10
Sigue un Magnet desde su InfoHash hasta DHT, conexión con Peer, negociación BEP 10 y recuperación de Metadata por BEP 9.
Cómo BT9G puede indexar BitTorrent Metadata a escala: arquitectura DHT de referencia
Arquitectura de referencia para BT9G que conecta DHT discovery, estado durable de InfoHash, Metadata acquisition, búsqueda y observability.
02
Explorar DHT a fondo
Fundamentos de DHT
¿Qué es DHT? Guía práctica de la tabla hash distribuida de BitTorrent
Cómo BitTorrent DHT reemplaza un Tracker central por una capa distribuida de descubrimiento de Peer basada en Kademlia.
Kademlia explicado: distancia XOR, routing y por qué BitTorrent DHT escala
Explicación práctica de XOR distance, lookup iterativo, paralelismo y k-bucket en el routing de una DHT tipo Kademlia.
Cómo BitTorrent DHT encuentra Peer: de bootstrap a get_peers y announce_peer
Recorrido completo desde una routing table vacía hasta una lista utilizable de Peer en BitTorrent DHT.
InfoHash a fondo: BitTorrent v1, v2, Magnet, BTIH y BTMH
Cómo se calculan los identificadores de contenido BitTorrent y cómo aparecen v1 y v2 dentro de Magnet links.
Mensajes DHT de BEP 5: ping, find_node, get_peers y announce_peer
Guía a nivel de paquete del envelope KRPC y los cuatro tipos de query fundamentales de BitTorrent DHT.
Dentro de una DHT Routing Table: k-Bucket, Node Churn y selección de contactos
Cómo los k-bucket organizan contactos DHT, por qué importan los nodos estables y cómo se mantiene el routing bajo churn.
Protocolos, Peer y metadatos
¿Por qué DHT ve tantos InfoHash? Swarm Discovery a escala de Internet
Por qué un observador DHT recibe un flujo enorme de InfoHash activos, repetidos, antiguos y de baja calidad.
Cómo un DHT Crawler descubre InfoHash: Active Lookup, observación y diseño responsable
Cómo separar discovery de InfoHash, Metadata acquisition e indexación en un crawler DHT escalable.
De Magnet Link a Metadata: flujo completo de Peer Discovery y BEP 9/10
Sigue un Magnet desde su InfoHash hasta DHT, conexión con Peer, negociación BEP 10 y recuperación de Metadata por BEP 9.
BEP 9 ut_metadata explicado: obtener Torrent Metadata desde Peer
Tipos de mensaje, pieces, validación y scheduling de BEP 9 para crawlers de alto volumen.
BEP 10 Extension Protocol: ampliar BitTorrent sin romper compatibilidad
Extended handshake, message IDs dinámicos y por qué BEP 10 es la base de extensiones como ut_metadata y PEX.
Tracker vs DHT vs PEX: comparación de tres mecanismos de Peer Discovery en BitTorrent
Diferencias entre Trackers centralizados, DHT descentralizada y Peer Exchange, y cómo se complementan.
Seeders y Leechers: qué significan los números y cómo se miden
Definiciones, Tracker scrape, limitaciones de DHT y por qué el tamaño global de un Swarm es difícil de medir exactamente.
Por qué falla la obtención de Torrent Metadata: 10 causas reales y un mejor modelo de retry
Diagnóstico de Metadata timeout, Swarm fríos, extensiones no soportadas, Peer malos y errores de scheduling.
Ingeniería de crawlers
Diseño de un DHT Crawler de alto rendimiento: arquitectura, colas y backpressure
Arquitectura para observación DHT de alto throughput con UDP eficiente, memoria acotada y Metadata workers desacoplados.
Qué hace falta para obtener 1.000+ Torrent Metadata por minuto
Capacity planning de un pipeline de Metadata a partir de éxito real, Peer discovery, timeouts y concurrency.
Cómo deduplicar miles de millones de InfoHash sin repetir trabajo de Metadata
Diseño multicapa con exact keys, Bloom filter, hot cache y estado durable para ingestion DHT a gran escala.
Por qué conviene conservar InfoHash fallidos: diseño de un Retry Scheduler a largo plazo
Conserva hashes históricos, aplica backoff a Swarm fríos y reactiva rápidamente cuando aparece actividad nueva.
Infraestructura de búsqueda
Construir un índice de búsqueda BitTorrent: de DHT a Metadata y Elasticsearch
Arquitectura end-to-end para convertir observaciones DHT en documentos de Metadata validados y buscables.
Cómo BT9G puede indexar BitTorrent Metadata a escala: arquitectura DHT de referencia
Arquitectura de referencia para BT9G que conecta DHT discovery, estado durable de InfoHash, Metadata acquisition, búsqueda y observability.